针对滚动轴承故障冲击成分易淹没在强噪声中这一问题，提出了一种自适应噪声完备集合经验模态分解（complete ensemble empirical mode......

滚动轴承作为高速列车走行部的关键“关节”零部件,对保证列车安全平稳运行与列车人员的生命安全有着重要意义。在技术人员对于轴......

近年来,随着我国高铁建设的飞速发展,列车的运营速度及里程不断提升,这对列车的运营安全性提出了更高的要求。齿轮箱轴承是高速列......

针对在强风电机组背景噪声下进行滚动轴承复合故障诊断时,由于故障之间的相互联系、交叉影响使得多种故障特征混叠在一起,易造成漏......

针对变转速工况滚动轴承早期故障特征微弱且难以提取的问题,提出一种基于自适应变分模态分解(VMD)和多点最优最小熵反褶积修正(MOM......

滚动轴承和齿轮是汽车变速器的重要组成部件,由于其故障而导致的车辆安全事故屡见不鲜。因此在变速器故障诊断中,常将齿轮和轴承故......

滚动轴承故障信号的特征容易被强噪声淹没,难以提取信号中的冲击成分。针对这一问题,提出多点最优调整的最小熵解卷积(MOMEDA)优化......

风能作为清洁能源中的典型代表已经引起了人们的广泛关注。而风电机组构造复杂且工作环境恶劣,当故障发生时维修成本较高。滚动轴......

针对变速器轴承早期故障特征微弱、并发故障特征耦合的问题,提出一种基于MOMEDA和极坐标时频特征级联增强(CEMP)方法,对轴承早期单......

滚动轴承早期故障信号中原始冲击成分容易被强噪声淹没,故障特征提取难度较大。针对这一问题,提出了多点最优调整的最小熵解卷积(M......

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积......